提出了基于”迁移学习+少数磁盘故障预测”的TLDFP模型。
主要采用了TrAdaBoost（权重调整的迁移学习方法)的思想。
作者 张霁 华中科技大学博士
可免费下载。
2021-08-18 22:21:30
2.43MB
1
时间序列异常分析matlab代码HMM代码进行异常检测
编写了Matlab代码“
KMeans_MEP_HMML_HMMD.m”，用于通过隐马尔可夫模型和符号时间序列分析使用短长度传感器时间序列进行异常检测，并将其应用于燃烧系统中热声不稳定性（TAI）的低延迟检测。
该代码使用由凯文·墨菲（Kevin
Murphy）编写的“用于Matlab的隐马尔可夫模型（HMM）工具箱”，根据许可可免费获得。
本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于对适销性，特定目的的适用性和非侵权性的担保。
无论是由于软件，使用或其他方式产生的，与之有关或与之有关的合同，侵权或其他形式的任何索赔，损害或其他责任，作者或版权所有者概不负责。软件。
2021-08-13 21:46:52
18.06MB
1
1.1 离群点检测
就餐饮企业而言，经常会碰到这样的问题：
1） 如何根据客户的消费记录检测是否为异常刷卡消费？
2） 如何检测是否有异常订单？
这一类异常问题可以通过离群点检测解决。
离群点检测是数据挖掘中重要的一部分，它的任务是发现与大部分其他对象显著不同的对象。大部分数据挖掘方法都将这种差异信息视为噪声而丢弃，然而在一些应用中，罕见的数据可能蕴含着更大的研究价值。
在数据的散布图中，如图18-1离群点远离其它数据点。因为离群点的属性值明显偏离期望的或常见的属性值，所以离群点检测也称偏差检测。
离群点检测已经被广泛应用于电信和信用卡的诈骗检测、贷款审批、电子商务中、网络入侵、天气预报等领域，如可以利用离群点检测分析运动员的统计数据，以发现异常的运动员。
（1） 离群点的成因
离群点的主要成因有：数据来源于不同的类、自然变异、数据测量和收集误差。
（2） 离群点的类型
对离群点的大致分类见表18-1：
2021-08-08 13:07:17
741KB